AI在线 AI在线

AI

Kimi 16B胜GPT-4o！开源视觉推理模型：MoE架构，推理时仅激活2.8B

Kimi 16B胜GPT-4o！开源视觉推理模型：MoE架构，推理时仅激活2.8B
刚刚，Kimi团队上新了！ 开源轻量级视觉语言模型Kimi-VL及其推理版Kimi-VL-Thinking，多模态和推理双双拿捏。 按照Kimi官方的说法，其关键亮点如下：都是基于MoE架构，总参数为16B，但推理时仅激活2.8B；具备强大的多模态推理能力（媲美参数大10倍的模型）和Agent能力；支持128K上下文窗口；采用相对较为宽松的MIT许可证。
4/11/2025 9:10:00 AM
量子位
十大步骤详解Spring AI MCP机制底层实现，小白误入！

十大步骤详解Spring AI MCP机制底层实现，小白误入！
MCP分为MCP Client和MCP Server：MCP Client负责进行工具发现和工具调用MCP Server负责提供工具和工具执行总体流程图图片十大步骤详解第一步，MCP Client接收用户的问题，比如“今天是几月几号”。 第二步，MCP Client发送tools/list请求给MCP Server进行工具发现。 利用Spring AI开发的MCP Server，可以利用@Tool注解定义工具，比如：图片并利用MethodToolCallbackProvider提供出去：在MCP Server的MpcServerAutoConfiguration自动配置类中定义了一个McpSyncServer的Bean，它会依赖注入ListToolCallbackProvider，这样McpSyncServer中就拿到了MCP Server中定义的所有Tools（调用ToolCallbackProvider的getToolCallbacks()即可拿到）。
4/11/2025 9:01:37 AM
IT周瑜
字节开源新生图模型：一个模型统一所有生图任务，多主体融合效果SOTA​

字节开源新生图模型：一个模型统一所有生图任务，多主体融合效果SOTA​
利用字节团队魔改的FLUX模型，可以直接把多个参考主体放进一张图了。 字节团队以FLUX为基础模型，提出了新的生图模型UNO，统一了图像生成任务中不同输入条件的处理。 无论是单主体进行风格变换，还是不同物体的融合，UNO都能直接搞定。
4/11/2025 9:00:00 AM
量子位
有了MCP，AI不仅更完整，还更实用了

有了MCP，AI不仅更完整，还更实用了
互联网刚诞生时，普通人对它的印象只是能收发电子邮件。 智能手机刚出现时，很多人觉得不过是个能打电话的小电脑。 当AI大模型横空出世，大家惊叹于它超强的对话能力，却难以想象它能做什么实际工作。
4/11/2025 8:45:00 AM
OpenAI 悄悄更新 ChatGPT，Plus / Pro 订阅用户可享全局对话内容记忆功能

OpenAI 悄悄更新 ChatGPT，Plus / Pro 订阅用户可享全局对话内容记忆功能
OpenAI 今天发文宣布悄悄为旗下 ChatGPT 进行更新，目前订阅了 Plus 和 Pro 级别用户可以使用“经过改进的上下文记忆功能”。
4/11/2025 6:42:19 AM
漾仔
2025年CIO的优先事项：掌握AI，确保未来

2025年CIO的优先事项：掌握AI，确保未来
在BrightTALK CIO峰会上，七位IT和技术专家分享了实用策略和最佳实践，以供希望在这个动荡但又充满机遇的商业时代导航并了解2025年CIO首要任务的IT领导者参考。 证明AI投资的投资回报率：构建用例供应链随着AI应用的普及，确定能够提供切实商业价值的用例是2025年CIO的一项关键优先事项。 在这一领域取得成功需要一种战略方法，以识别和利用能够显著改善底线表现的AI举措。
4/11/2025 12:30:00 AM
Ana
商汤大装置发放“1亿代金券”，全栈赋能场景落地

商汤大装置发放“1亿代金券”，全栈赋能场景落地
2025年4月10日，商汤科技SenseTime举办2025技术交流日，发布商汤大装置SenseCore 2.0，以更灵活、敏捷、可靠的特性赋能企业，推动AI基础设施与应用开发及行业需求深度融合。 同时，商汤科技宣布将发放“1亿代金券”，专项支持行业伙伴协同并进，加速产业智能化升级，共创AI新高度。 该计划聚焦具身智能、AIGC等多个前沿领域，通过多维度的精准扶持，为企业提供从专家咨询到模型训练、推理验证的全流程AI服务支持，打造"高效率、低成本、端到端"的一站式赋能方案。
4/10/2025 5:39:00 PM
新闻助手
谷歌推出 Vertex AI Media Studio 文生视频套件：自动化包办画面渲染、旁白、配乐等

谷歌推出 Vertex AI Media Studio 文生视频套件：自动化包办画面渲染、旁白、配乐等
谷歌今天（4 月 10 日）推出 Vertex AI Media Studio 平台，该套件支持文本指令生成完整视频内容。
4/10/2025 1:25:15 PM
故渊
UC伯克利华人开源14B「o3-mini」，代码版R1突袭OpenAI王座！

UC伯克利华人开源14B「o3-mini」，代码版R1突袭OpenAI王座！
OpenAI o1/o3-mini级的推理模型，竟被抢先开源了？ 刚刚，来自UC伯克利和Together AI的联合团队，重磅推出了一款完全开源的代码推理模型——DeepCoder-14B-Preview。 现在，只需要14B就可以拥有一个媲美o3-mini的本地模型，并且完全免费！
4/10/2025 10:02:43 AM
新智元
字节最新人像视频生成模型DreamActor-M1，推特关注超百万！即梦AI即将上线

字节最新人像视频生成模型DreamActor-M1，推特关注超百万！即梦AI即将上线
还记得前段时间字节跳动备受关注的数字人技术Omnihuman-1吗？ 最近，这支团队一项基于DiT架构的可控人像视频生成技术DreamActor-M1，一经发布，又在推特上引起了超百万量级的关注——仅需一张静态照片和一段驱动视频，便可生成高质量、达到电影级别的视频，将人像视频生成的表现力提升至全新水平！ 左右滑动查看项目网页：：，还能精准捕捉并迁移驱动视频中的动作和表情，呈现出高度逼真的效果，极大地简化了现有的动作捕捉、角色动画以及内容创作流程。
4/10/2025 9:54:40 AM
新智元
谷歌最新AI芯片打平英伟达B200，专为推理模型打造，最高配每秒42500000000000000000次浮点运算

谷歌最新AI芯片打平英伟达B200，专为推理模型打造，最高配每秒42500000000000000000次浮点运算
谷歌首款AI推理特化版TPU芯片来了，专为深度思考模型打造。 代号Ironwood，也就是TPU v7，FP8峰值算力4614TFlops，性能是2017年第二代TPU的3600倍，与2023年的第五代TPU比也有10倍。 （为什么不对比第六代，咱也不知道，咱也不敢问。
4/10/2025 9:43:01 AM
量子位
“谷歌版MCP”来了！开源A2A，不同厂商Agent也能协作

“谷歌版MCP”来了！开源A2A，不同厂商Agent也能协作
刚刚，“谷歌版MCP”来了！ 谷歌推出A2A协议，即Agent2Agent，能让AI Agent在不同生态系统间安全协作，而无需考虑框架或供应商。 不同平台构建的AI Agent之间可以进行通信、发现彼此的能力、协商任务并开展协作，企业可通过专业Agent团队处理复杂工作流。
4/10/2025 9:42:51 AM
剪枝60%不损性能！上海AI Lab提出高斯剪枝新方法，入选CVPR 2025

剪枝60%不损性能！上海AI Lab提出高斯剪枝新方法，入选CVPR 2025
三维高斯泼溅（3D Gaussian Splatting）使得实时高质量渲染成为可能，是当前3D视觉领域最常用的算法之一。 问题在于，基于显示高斯单元的表示方式，尽管可以高效溅射和光栅化，其密集化和优化过程却往往会生成冗余的高斯点，导致单个重建场景可能包含数百万个高斯点。 这不仅降低了训练和渲染速度（本可能更快），还导致显著的内存消耗。
4/10/2025 9:38:37 AM
量子位
芯片设计效率提升2.5倍，中科大华为诺亚联合，用GNN+蒙特卡洛树搜索优化电路设计 | ICLR2025

芯片设计效率提升2.5倍，中科大华为诺亚联合，用GNN+蒙特卡洛树搜索优化电路设计 | ICLR2025
芯片设计是现代科技的核心，逻辑优化（Logic Optimization, LO）作为芯片设计流程中的关键环节，其效率直接影响着芯片设计的整体性能。 然而，传统逻辑优化算子由于存在大量无效和冗余的变换，导致优化过程耗时较长，成为制约芯片设计效率的主要瓶颈。 为解决这一挑战，中科大王杰教授团队（MIRALab）和华为诺亚方舟实验室（HuaweiNoah’sArkLab）联合提出了基于神经符号函数挖掘的高效逻辑优化方法，显著提升传统关键逻辑优化算子运行效率最高达2.5倍。
4/10/2025 9:19:52 AM
量子位
首个统一多模态模型评测标准，DeepSeek Janus理解能力领跑开源，但和闭源还有差距

首个统一多模态模型评测标准，DeepSeek Janus理解能力领跑开源，但和闭源还有差距
统一多模态大模型（U-MLLMs）逐渐成为研究热点，近期GPT-4o，Gemini-2.0-flash都展现出了非凡的理解和生成能力，而且还能实现跨模态输入输出，比如图像 文本输入，生成图像或文本。 相比传统的多模态模型（比如 GPT-4V 或 DALL·E 3），这类模型在任务适应性和灵活性上更具优势。 然而，当前研究领域还存在几个突出的问题：1.
4/10/2025 9:15:00 AM
量子位
李飞飞团队提出世界模型基准：“世界生成”能力迎来统一评测，3D/4D/视频模型同台PK

李飞飞团队提出世界模型基准：“世界生成”能力迎来统一评测，3D/4D/视频模型同台PK
世界模型领域最新进展，要比拼“世界生成”了。 李飞飞吴佳俊团队提出了全面评测基准WorldScore，涵盖了三大类评估指标，动态静态都有涉及，其数据集中包含了3000个测试样例。 并且，WorldScore将3D场景生成、4D场景生成和视频生成三类模型的评估，统一到了一起。
4/10/2025 9:10:00 AM
量子位
GPT开山一作，本科学历入职前CTO初创！OpenAI痛失「爱因斯坦级天才」

GPT开山一作，本科学历入职前CTO初创！OpenAI痛失「爱因斯坦级天才」
被Ilya感谢过，被奥特曼誉为「爱因斯坦级的天才」，在OpenAI更是「想要什么就给什么」——即便如此，去年12月，Alec Radford还是选择了离开。 直到昨天，他的去向才确定。 据Thinking Machine Lab官网更新，OpenAI前核心成员Alec Radford和Bob McGrew将担任公司顾问（Advisors）。
4/10/2025 9:00:00 AM
新智元
谷歌 AI 编程助手 Gemini Code Assist 新增“代理”功能，可多步骤完成复杂任务

谷歌 AI 编程助手 Gemini Code Assist 新增“代理”功能，可多步骤完成复杂任务
谷歌在Cloud Next大会上宣布AI编程助手Gemini Code Assist新增代理功能，可多步骤完成复杂编程任务，如根据文档创建应用或转换代码语言。同时支持Android Studio等环境，但用户仍需亲自审查代码确保安全。#AI编程助手##谷歌云#
4/10/2025 8:50:15 AM
远洋